Acerca de la precisión de predicción
Al hacer clic en 
(Detalles) para obtener más información sobre los datos de predicción o los datos históricos, puede ver la precisión de la predicción.
La cantidad de datos históricos disponibles influye en la precisión de las predicciones; cuantos más datos, mejor. Como mínimo, debe haber al menos dos veces la cantidad de datos históricos como número de periodos de predicción. Es preferible una relación de tres o más veces la cantidad de datos históricos como periodos de predicción. Si no hay suficientes datos históricos disponibles en el momento de la predicción, se muestra una advertencia o un error. Planificación predictiva puede detectar patrones estacionales en los datos y proyectarlos en el futuro (por ejemplo, picos en los números de ventas durante épocas de vacaciones). Debe haber al menos dos ciclos completos de datos disponibles para detectar la estacionalidad.
Además, Planificación predictiva detecta valores que faltan en los datos históricos, los rellena con valores interpolados y explora los valores atípicos, normalizándolos con un rango aceptable. Si faltan demasiados valores o hay demasiados valores atípicos en los datos para realizar predicciones fiables, aparece un mensaje de error o advertencia.
La precisión de la predicción también puede verse afectada por la cantidad de ruido de los datos. Aunque puede haber disponible una gran cantidad de datos históricos, el ruido o las fluctuaciones aleatorias de los datos pueden ocultar la tendencia subyacente y hacer que la precisión de la predicción disminuya.
El uso de eventos para predicciones mejora la precisión de las predicciones y le ayuda a planificar con antelación para los eventos y a aprovechar las oportunidades, ya que le permite ver picos y caída anticipados en los datos previstos para eventos específicos. Si los eventos, los picos o las caídas en los datos se normalizan y distribuyen a lo largo de un período de predicción, lo cual podría dar lugar a unas predicciones menos precisas.
En general, siga estas directrices para determinar la precisión de una predicción:
- 95 – 100 %: Muy buena. Los datos históricos tienen una tendencia o un patrón estacional fuerte.
- 90 – 94,9 %: Buena. Los datos históricos tienen una tendencia o un patrón estacional moderado.
- 80 – 89,9 %: Razonable. Los datos históricos tienen una tendencia o un patrón estacional débil.
- 0 – 79,9 %: Insuficiente. Los datos históricos no tienen ninguna tendencia o patrón detectable.